中央高校基本科研业务费专项资金(JUSRT211A70)
- 作品数：4 被引量：4H指数：1
- 相关作者：陈秀宏程强戴飞陈达遥董昌剑更多>>
- 相关机构：江南大学更多>>
- 发文基金：中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种M2DPCA和NSA相结合的人脸识别方法被引量：1
- 2012年
- 将非参数子空间分析方法(NSA)和模块化2DPCA方法相结合,提出了一种模块化2DPCA+NSA方法。NSA方法需将图像矩阵转化为向量后进行特征提取,导致数据维数很大,没有考虑到图像的局部特征,对图像矩阵进行分块,采用2DPCA进行特征提取,得到替代原始图像的低维新模式,施行NSA。该法能有效提取图像的局部特征,而由于考虑到类内、类间的差异,可弥补PCA的缺陷。在ORL人脸库和XM2VTS人脸库上对LDA方法、NSA方法以及该方法分别进行了评价和测试,结果显示,所提方法在识别效果上优于LDA方法和NSA方法。
- 戴飞陈秀宏
- 关键词：特征提取人脸识别
- 有监督正交局部保留投影及其在人脸识别中的应用被引量：1
- 2014年
- 针对局部保留投影算法(LPP)的无监督和非正交问题,提出了一种有监督的正交局部保留投影算法SOLPP。该算法同时考虑了样本的类别信息以及投影向量间的相互正交性,首先利用样本的类标签信息重新定义了类内和类间相似度矩阵,同时最大化类间离散度与类内离散度之比,有效地保持了样本的局部结构;其次对投影基向量进行正交化,在保持数据空间结构的同时进一步提高了人脸识别效果。在ORL和FERET人脸库上的实验表明,该方法的识别率要优于SLPP等算法。
- 董昌剑陈秀宏陈达遥
- 关键词：人脸识别图像降维正交化局部保留投影
- 分块非参数特征分析在人脸识别中的应用
- 2013年
- 基于非参数特征分析NFA方法,提出了分块NFA算法,并将其应用到人脸识别上。分块NFA算法首先对图像矩阵进行分块,对分块得到的子图像矩阵再应用NFA进行图像特征提取。这样做有两个优点:(1)能有效地抽取图像的局部特征,对人脸表情和光照条件变化较大的图像表现尤为突出;(2)与NFA相比,由于使用子图像矩阵,分块NFA可以避免使用奇异值分解理论,过程简便,并且克服了小样本问题。此外,NFA是分块NFA算法的特殊情况。在ORL和YALE数据库上进行的实验验证了本文所提方法要优于NFA算法。
- 程强陈伟琦
- 关键词：人脸识别
- 局部非参数子空间分析在人脸识别中的应用被引量：2
- 2014年
- 提出了一种局部非参数子空间分析算法(Local Nonparametric Subspace Analysis,LNSA),将其应用在人脸识别中。LNSA算法结合了非参数子空间算法(Nonparametric Subspace Analysis,NSA)与局部保留投影算法(Locality Preserving Projection,LPP)。它利用LPP算法中的相似度矩阵重构NSA的类内散度矩阵,使得在最大化类间散度矩阵的同时保留了类的局部结构。在ORL人脸库和XM2VTS人脸库上作了实验并证明LNSA方法要优于其他方法。
- 程强陈秀宏
- 关键词：人脸识别局部保留投影
